《人工智能:计算agent基础》讨论AI科学，它将AI作为智能计算Agent设计的研究课题。《人工智能:计算agent基础》虽然设计为教科书，但它也适合广大专业人员和研究人员阅读。《人工智能:计算agent基础》的一个重要特色是其在线学习资源。在过去的几十年里，人工智能是作为一种严肃科学和工程学科出现的。《人工智能:计算agent基础》提供了针对本科生和研究生的第一手便利可用的领域综合资料，对当今该领域的基础发展进行了展望。像任何名副其实的科学一样，AI具有条理分明、形式化的理论和难以控制的实验。《人工智能:计算agent基础》均衡了理论和实验部分，并说明了如何将理论与实验密切地联系起来，使科学与工程应用共同发展。
目录
- 出版者的话
- 译者序
- 前言
- 第一部分世界中的Agent：什么是Agent及如何创建它们
- 第1章人工智能与Agent
- 1.1什么是人工智能
- 1.2人工智能简史
- 1.3环境中的Agent
- 1.4知识表示
- 1.4.1定义解
- 1.4.2表示
- 1.4.3推理与行为
- 1.5复杂性维度
- 1.5.1模块性
- 1.5.2表示方案
- 1.5.3规划期
- 1.5.4不确定性
- 1.5.5偏好
- 1.5.6Agent数量
- 1.5.7学习
- 1.5.8计算限制
- 1.5.9多维交互
- 1.6原型应用
- 1.6.1自主传送机器人
- 1.6.2诊断助手
- 1.6.3智能指导系统
- 1.6.4交易Agent
- 1.7本书概述
- 1.8本章小结
- 1.9参考文献及进一步阅读
- 1.10习题
- 第2章Agent体系结构和分层控制
- 2.1Agent
- 2.2Agent系统
- 2.3分层控制
- 2.4嵌入式和仿真Agent
- 2.5通过推理来行动
- 2.5.1设计时间与离线计算
- 2.5.2在线计算
- 2.6本章小结
- 2.7参考文献及进一步阅读
- 2.8习题
- 第二部分表达和推理
- 第3章状态和搜索
- 3.1用搜索进行问题求解
- 3.2状态空间
- 3.3图搜索
- 3.4一个通用搜索算法
- 3.5无信息搜索策略
- 3.5.1深度优先搜索
- 3.5.2宽度优先搜索
- 3.5.3最低花费优先搜索
- 3.6启发式搜索
- 3.6.1A*搜索
- 3.6.2搜索策略总结
- 3.7更复杂的搜索方法
- 3.7.1环检查
- 3.7.2多路径剪枝
- 3.7.3迭代深化
- 3.7.4分支界限法
- 3.7.5搜索方向
- 3.7.6动态规划法
- 3.8本章小结
- 3.9参考文献及进一步阅读
- 3.10习题
- 第4章特征和约束
- 4.1特征和状态
- 4.2可能世界、变量和约束
- 4.2.1约束
- 4.2.2约束满足问题
- 4.3生成—测试算法
- 4.4使用搜索求解CSP
- 4.5一致性算法
- 4.6域分割
- 4.7变量消除
- 4.8局部搜索
- 4.8.1迭代最佳改进
- 4.8.2随机算法
- 4.8.3评估随机算法
- 4.8.4局部搜索中利用命题结构
- 4.9基于种群的方法
- 4.10最优化
- 4.10.1最优化的系统方法
- 4.10.2局部搜索最优化
- 4.11本章小结
- 4.12参考文献及进一步阅读
- 4.13习题
- 第5章命题和推理
- 5.1命题
- 5.1.1命题演算的语法
- 5.1.2命题演算的语义
- 5.2命题确定子句
- 5.2.1问题与解答
- 5.2.2验证
- 5.3知识表示问题
- 5.3.1背景知识与观察
- 5.3.2询问用户
- 5.3.3知识层的解释
- 5.3.4知识层的调试
- 5.4反证法验证
- 5.4.1Horn子句
- 5.4.2假说与冲突
- 5.4.3基于一致性的诊断
- 5.4.4通过假设和Horn子句推理
- 5.5完备知识假设
- 5.5.1非单调推理
- 5.5.2完备知识的验证程序
- 5.6溯因推理
- 5.7因果模型
- 5.8本章小结
- 5.9参考文献及进一步阅读
- 5.10习题
- 第6章不确定推理
- 6.1概率
- 6.1.1概率的语义
- 6.1.2概率公理
- 6.1.3条件概率
- 6.1.4期望值
- 6.1.5信息理论
- 6.2独立性
- 6.3信念网络
- 6.4概率推理
- 6.4.1信念网络中的变量消除
- 6.4.2通过随机模拟进行近似推理
- 6.5概率和时间
- 6.5.1马尔可夫链
- 6.5.2隐马尔可夫模型
- 6.5.3监听和平滑算法
- 6.5.4动态信念网络
- 6.5.5时间粒度
- 6.6本章小结
- 6.7参考文献及进一步阅读
- 6.8习题
- 第三部分学习与规划
- 第7章学习概述与有监督学习
- 7.1学习问题
- 7.2有监督学习
- 7.2.1评估预测
- 7.2.2无输入特征的点估计
- 7.2.3概率学习
- 7.3有监督学习的基本模型
- 7.3.1决策树学习
- 7.3.2线性回归与分类
- 7.3.3贝叶斯分类器
- 7.4组合模型
- 7.4.1神经网络
- 7.4.2集成学习
- 7.5避免过拟合
- 7.5.1最大后验概率和最小描述长度
- 7.5.2交叉验证
- 7.6基于案例的推理
- 7.7改进假设空间的学习
- 7.7.1变型空间学习
- 7.7.2可能近似正确学习
- 7.8贝叶斯学习
- 7.9本章小结
- 7.10参考文献及进一步阅读
- 7.11习题
- 第8章确定性规划
- 8.1状态、动作以及目标的表示
- 8.1.1显式状态空间表示法
- 8.1.2基于特征的动作表示
- 8.1.3STRIPS表示法
- 8.1.4初始状态和目标
- 8.2前向规划
- 8.3回归规划
- 8.4CSP规划
- 8.5偏序规划
- 8.6本章小结
- 8.7参考文献及进一步阅读
- 8.8习题
- 第9章不确定性规划
- 9.1偏好和效用
- 9.2一次性的决策
- 9.3序贯决策
- 9.3.1决策网络
- 9.3.2策略
- 9.3.3决策网络的变量消除
- 9.4信息与控制的价值
- 9.5决策过程
- 9.5.1策略值
- 9.5.2最优策略值
- 9.5.3值迭代
- 9.5.4策略迭代
- 9.5.5动态决策网络
- 9.5.6部分可观察决策过程
- 9.6本章小结
- 9.7参考文献及进一步阅读
- 9.8习题
- 第10章多Agent系统
- 10.1多Agent框架
- 10.2博弈的表示
- 10.2.1博弈的标准形式
- 10.2.2博弈的扩展形式
- 10.2.3多Agent决策网络
- 10.3完全信息的计算策略
- 10.4部分可观察的多Agent推理
- 10.4.1纳什均衡计算
- 10.4.2学习协调
- 10.5群体决策
- 10.6机制设计
- 10.7本章小结
- 10.8参考文献及进一步阅读
- 10.9习题
- 第11章有监督之外的其他学习模型
- 11.1聚类
- 11.1.1期望最大化
- 11.1.2k—均值
- 11.1.3用于软聚类的期望最大化
- 11.2信念网络学习
- 11.2.1概率学习
- 11.2.2未观察到的变量
- 11.2.3缺失数据
- 11.2.4结构学习
- 11.2.5信念网络学习的一般情形
- 11.3增强学习
- 11.3.1演化算法
- 11.3.2时闻差
- 11.3.3Q—学习
- 11.3.4探索与利用
- 11.3.5增强学习算法的评估
- 11.3.6在策略学习
- 11.3.7为路径分配信用和责任
- 11.3.8基于模型的方法
- 11.3.9基于特征的增强学习
- 11.4本章小结
- 11.5参考文献及进一步阅读
- 11.6习题
- 第四部分个体与关系的推理
- 第12章个体与关系
- 12.1在特征之外利用结构
- 12.2符号与语义
- 12.3Datalog：一个关联规则语言
- 12.3.1基Datalog的语义
- 12.3.2解释变量
- 12.3.3带变量的查询
- 12.4证明与替换
- 12.4.1带变量的自底向上过程
- 12.4.2带变量的确定性归结
- 12.5函数符号
- 12.6在自然语言处理中的应用
- 12.6.1在上下文无关文法中使用限定子句
- 12.6.2增强文法
- 12.6.3为非终结符号建立结构
- 12.6.4封装的文本输出
- 12.6.5强制约束
- 12.6.6建立自然语言与数据库的接口
- 12.6.7局限
- 12.7相等
- 12.7.1允许相等断言
- 12.7.2唯一名字假设
- 12.8完备知识假设
- 12.9本章小结
- 12.10参考文献及进一步阅读
- 12.11习题
- 第13章本体和基于知识的系统
- 13.1知识共享
- 13.2灵活的表示
- 13.2.1选择个体和关系
- 13.2.2图形化表示
- 13.2.3原始关系与导出关系
- 13.3本体与知识共享
- 13.3.1描述逻辑
- 13.3.2顶层本体
- 13.4查询用户和其他知识来源
- 13.4.1函数化关系
- 13.4.2更普遍的问题
- 13.5实现基于知识的系统
- 13.5.1基语言和元语言
- 13.5.2普通的元解释器
- 13.5.3扩展基语言
- 13.5.4深度有限搜索
- 13.5.5元解释器构建证明树
- 13.5.6可询问用户的元解释器
- 13.5.7推迟目标
- 13.6本章小结
- 13.7参考文献及进一步阅读
- 13.8习题
- 第14章关系规划、学习和概率推理
- 14.1规划个体与关系
- 14.1.1情景演算
- 14.1.2事件演算
- 14.2个体与关系的学习
- 14.3概率关系模型
- 14.4本章小结
- 14.5参考文献及进一步阅读
- 14.6习题
- 第五部分宏观图景
- 第15章回顾与展望
- 15.1复杂性维度回顾
- 15.2社会与道德后果
- 15.3参考文献及进一步阅读
- 附录A数学基础与记号
- 参考文献
- 索引
